CHAPITRE 5 : Conclusions
5.4 Ouverture
Cette recherche démontre clairement que l’appréciation d’un espace est grandement affectée selon l’ambiance générale ainsi que la configuration de l’espace lui-même. Les participants ont démontré des niveaux d’appréciation remarquablement différents pour chacune des maquettes. Alors que les espaces chaleureux, clairs et lumineux, les plus appréciés, favorisent la concentration et les tâches cognitives, les ambiances sombres et contrastées, les moins appréciées, peuvent réduire considérablement le confort et le bien-être de l’occupant. De plus, les hommes et les femmes tendent à percevoir et apprécier les espaces différemment, alors que la séquence dans laquelle les espaces sont expérimentés tend également à affecter la satisfaction visuelle de l’observateur. Conséquemment, les couleurs et les finis des surfaces en bois, ou pour tout type de surface, devraient être choisis soigneusement par les architectes et les designers, afin qu’ils soient adaptés à la tâche visuelle ou l’activité qui sera effectuée dans cet espace. La perception et l’appréciation d’un espace dépendent de plusieurs facteurs, tels que l’expérience, la personnalité et les gouts personnels de l’observateur, et peuvent être influencées à travers les années. Le bois, matériau versatile, offrant une grande variété de choix et de possibilités en termes de teintes, d’agencements et de luminosité, devient ainsi générateur d’ambiances visuelles riches et variées en architecture.
Bibliographie
American Society of Heating, Refrigerating and Air-Conditioning Engineers (ASHRAE),
(2009), 'Thermal Comfort ', 'Indoor environmental health’, ‘Sound vibration’,
‘Ventilation for acceptable indoor air quality’, in: ASHRAE Handbook Fundamentals,
1st ed. Atlanta: Inch-Pound. p.8.1-10.3.
Arsenault, H. (2012). Effets du verre teinté sur la qualité de la lumière naturelle, l’éveil des
occupants et l’utilisation d’un éclairage d’appoint, Master’s Thesis, University of
Laval, Quebec, Canada.
Bell, P.A., Greene, T.C., Fisher, J.D., Baume, A., (1996), Environmental psychology,
Harcourt Brace College Ed., Florida, 645 p.
Baker, N. and Steemers, K., (2000). 'Chapter 3 : The provision of comfort', ‘Chapter 4:
Heating’, in: Energy and environment in architecture: a technical design guide, 1st ed.,
New York: E&FN Spon, p.8-20.
Bernard, H.R., (2000), Social resarch methods : Qualitative and quantitative approaches,
London, SAGE Editions, 125 p.
Borisuit, A., Linhart, F., Scartezzini, J.-L., and Münch, M. (2015). “Effects of realistic
office daylighting and electric lighting conditions on visual comfort, alertness and
mood,” Lighting Research and Technology 47(2), 192-209. DOI:
10.1177/1477153514531518
Boyatzis, C.J., et Varghese, R. (1994), “Children’s emotional associations with colors”,
Journal of Genetic Psychology, 155(1), p.77-85. DOI:
10.1080/00221325.1994.9914760
Boyce, P., C. M. Hunter and O. Howlett (2003). “The benefits of daylight through
windows.” Troy, NY, Lighting Research Center, Rensselaer Polytechnic Institute:
1-88.
Büllow-Hübe, H., (1994), “Subjective reactions to daylight in rooms: effect of using low-
emittance coatings on windows”, 7(1), Lighting Resource Technology, p.37-44.
doi: 10.1177/14771535950270010601
Bunn R. and Leaman A., (2007), Primary School Carbon Foot printing, BSRIA, 12 p.
Burnard, M. D., Nyrud, A. Q., Bysheim, K., Kutnar, A., Vahtikari, K., and Hughes, M.
(2015). “Building material naturalness: Perceptions from Finland, Norway and
Slovenia,” Indoor and Built Environment 1(16), 1-16. DOI:
10.1177/1420326X15605162
Cassidy, T. (1997), Environmental psychology, Psychology Press Ed., UK, 282 p.
Chain, C., Dumortier, D., and Fontoynont, M. (2001). “Consideration of daylight’s colour,”
Energy and Buildings 33(3), 193-198. DOI: 10.1016/S0378-7788(00)00081-5
Conseil national de recherches du Canada, (2011). Code national de l'énergie pour les
bâtiments : Canada. 2e éd. Ottawa: Commission canadienne des codes du bâtiment
et de prévention des incendies.
Cresswell, J.W. (1994), Research design : Qualitative and Quantitative Approaches,
London, SAGE Editions, 227 p.
Demers, C. M. H. (2001). “Études environnementales pour l’édifice de la Caisse et de
Dépôt et de Placement du Québec à Montréal,” Research report, Groupe de recherche
en ambiances physiques, École d’architecture, Université Laval, Québec, Canada.
Demers, C. M. H. (2007). “A classification of daylighting qualities based on contrast and
brightness analysis,” in: Conference Proceedings of the American Solar Energy Society,
SOLAR 2007, Cleveland, OH, USA.
Dubois, M.C., Cantin, F., and Johnsen, K., (2007), “The effect of coated glazing on
visual perception: a pilot study using scale models”, 39(3), Lighting research
technology, p.283-304, doi: 10.1177/1477153507080074
Du Montier, C., La façade adaptative en architecture : potentiel énergétique et lumineux
du panneau isolant mobile, Université Laval, Québec, 197 p.
Fell, D. R. (2010). Wood in the Human Environment: Restorative Properties of Wood in the
Built Indoor Environment, Ph.D. Dissertation, University of British Columbia,
Vancouver, BC, Canada.
Gao, X.-P., Xin, J.H., (2006), Investigation of human’s emotional responses on colors,
The Hong Kong Polytechnic University, vol.31, no5, octobre 2006, p.411-417.
Golding, J., Lewis O. and Steemers, T., (1992), 'Thermal Comfort', in: Energy in
architecture - The European passive solar handbook. 1st ed. Batsford: Commission
of the European Communities. P.59-65.
Gifford, R. (2007), Environmental psychology, principles and practice, Optimal
Books (ed.), Colville, Canada.
Heimstra et McFarling, (1974), Environmental psychology, Wadsworth Publishing Ed.,
California, 210 p.
Hegger, M., (2011). 'Matériaux', in: Construction et énergie : architecture et
développement durable. 1st ed. Lausanne: Presses polytechniques et universitaires
romandes. p.146-165.
Heschong, L., Wright, R. (2002), Daylighting impacts on retail sales performance,
Journal of the illuminating engineering society, été 2002, p.21-25.
Heschong, L., Wright, R., Okura, Stacia (2002), Daylighting impacts on human
performance in school, Journal of the illuminating engineering society, été 2002,
p.101-114.
IES Lighting (2015), The Illuminating Egineering society lighting Handbook, Ed. IES,
USA, 1398p.
Jafarian, H. (2016). Lighting Ambiances and Materialities of Wood in Architecture: A
Comparative Evaluation of the Quality of Spaces in Relation to Interior Finishes,
Master’s Thesis, University of Laval, Quebec, Canada.
Jafarian, H., Demers, C. M. H., Blanchet, P., and Landry, V. (2016). “Impact of indoor use
of wood on the quality of interior ambiances under overcast and clear skies: Case study
of the Eugene H. Kruger Building, Québec City,” BioResources 11(1), 1647-1663.
DOI: 10.15376/biores.11.1.1647-1663
Johnson, B., Christensen, L., (2012), Educational Research : Quantitative, qualitative and
mixed approaches, London, SAGE Editions, 620 p.
Kaplan, R. et Kaplan, S., (1989), The experience of nature: a psychological perspective.
Cambridge University Press, 338 p.
Kaplan, S., (1987), “Aesthetics, affects, and cognition: environmental preference from an
evolutionary perspective.” Environment and behavior, 19(1), p.3-32.
Kopec, D., (2006), Environmental psychology for design, Fairdchild Ed., New York,
367 p.
Kellert, S. R., Heerwagen, J., and Mador, M., (2008). Biophilic Design: The Theory,
USA.
Kuijsters, A., Redi, J., de Ruyter, B., Seuntiëns, P., and Heynderickx, I. (2015). “Affective
ambiences created with lighting for older people,” Lighting Research & Technology
47(7), 859-875. DOI: 10.1177/1477153514560423
Küller, R., (1991), ‘Environmental Assessment from a Neuropsychological perspective’,
in Environment, cognition, and action, Ed. Oxford University Press, p.111-125.
Küller, R., Mikellides, B., and Janssens, J. (2009). “Color, arousal, and performance – a
comparison of three experiments,” Color Research and Application 34(2), 141-152.
DOI: 10.1002/col.20476
Lam, W. M. C. (1977). Perception and Lighting as Formgivers for Architecture, McGraw-
Hill, New York, NY, USA.
Lau, J. J. H. (1972). “Use of scale models for appraising lighting quality,” Lighting
Research & Technology 4(4), p. 254-62. DOI: 10.1177/096032717200400408
Leaman, A. and Bordass, B., (2007). Are users more tolerant of ‘green’ buildings? Building
Research & Information. 35, p.662-673
Lechner, N., (2001). 'Thermal Comfort ', in: Heating, cooling, lighting: design methods
for architects. 2nd ed., New York: John Wiley & Sons, p.55-69.
Migneron, J.-G., (2013). Acoustique architecturale. 1st ed. Québec: Université Laval.
Montenegro, E., Potvin, A., Demers, C., (2012), Impact of School Building Typologies on
Visual, Thermal and Energy Performances. PLEA Conference, vol. 28, p.1-6
Ohta, H., Maruyama, M., Tanabe, Y., Hara, T., Nishino, Y., Tsujino, Y., Morita, E.,
Kobayashi, S., and Shido, O. (2008). “Effect of redecoration of a hospital room with
natural materials on stress levels of denizens in cold season,” International Journal of
Biometeorology 52(5), 331-340. DOI: 10.1007/s00484-007-0125-4
PLEA, (2011). Hybrid ventilation in nordic schools, Passive and low energy architecture.
juin 2011, p.6
Poirier, Geneviève, Demers, Claude M.H., Potvin, André, Casault, André, (2016), « Un
journal d’ambiances lumineuses d’Asie. Potentiel de l’analyse rétrospective
d’images dans la restitution d’expériences », Nicolas Rémy (dir.) ; Nicolas Tixier
(dir.). Ambiances, tomorrow. Proceedings of 3rd International Congress on
Ambiances. Septembre 2016, Volos, Greece, Sep 2016, Volos, Grèce. International
Network Ambiances ; University of Thessaly, vol. 1, p. 141 - 146, 2016
Poirier, Geneviève , Demers, Claude M.H.., Potvin, André, (2017), “Experiencing wooden
ambiences with Nordic light: scale model comparative studies under real skies”,
Bioresources 12(1), 1924-1942, DOI: 10.15376/biores.12.1.1924-1942.
Poirier, G., Demers, C.M.H., Potvin, A. (2017), “Visual Perception in daylit wooden
interior spaces: an experimental study using scale models and questionnaires”, Indoor
and built environment, Submitted.
Pineault, N. (2009). Effets des Vitrages à Revêtement et des Verres Teintés sur la Qualité
de l’Éclairage Naturel: Étude Expérimentale à l’Aide d’une Maquette à Échelle
Réduite d’une Salle de Séjour, Master’s Thesis, Univeristy of Laval, Quebec, Canada.
Robertson, A. S., M. McInnes, D. Glass, G. Dalton and B. Sherwood (1989). “Building
sickness, are symptoms related to the office lighting?” The Annals of Occupational
Hygiene 33(1): 47-59.
Rice, J., Kozak, R. A., and Meitner, M. J. (2006). “Appearance wood products and
psychological well-being,” Wood and Fiber Science 38(4), 644-659.
Russell, J.A., & Mehrabian, A. (1977). Evidence for a three-factor theory of emotions,
Journal of Research in Personality, 11, 273-294.
Russell, J.A., Snodgrass, J., (1987), ‘Emotion and environment’, Handbook of
environment psychology, John Wiley and sons Ed., USA, 887 p.
Sadalla, E.K., Sheets, V.L., (1993), “Symbolism in building materials, self-presentational
and cognitive components”, Environment and behavior, 25(2), p.155-180,
doi: 10.1177/0013916593252001
Sharples, S. and Ida G. Monfared G, I., (2011). Occupants’ perceptions and expectations
of a green office building: a longitudinal case study, Architectural science review,
November 2011, p.13
Statistique Canada (2015), Échantillonnage non probabiliste,
http://www.statcan.gc.ca/edu/power-pouvoir/ch13/nonprob/5214898-fra.htm,
consulté le 2 novembre 2015.
Steg, L., Van Den Berg, A., M. De Groot, J., et al., (2012), John Wiley and sons Ed., UK,
376 p.
Steinberg, D., (2004), The social Work Student’s Research Handbook, London, The
Haworth Press, 171 p.
Sutton, V., David, M., (2004), Social research : The basics, London, SAGE Editions,
385 p.
Tsunetsugu, Y., Miyazaki, Y., and Sato, H. (2007). “Physiological effects in humans
induced by the visual stimulation of room interiors with different wood quantities,”
Journal of Wood Science 53(1), 11-16. DOI: 10.1007/s10086-006-0812-5
Ulrich, R.S., (1979). “Visual landscapes and psychological well-being”, Landscape
Research, 4(1), p.17-23.
Van den Wymelenberg, K., and Inanici, M. (2009). “A study of luminance distribution
patterns and occupant preference in daylit offices,” in: PLEA2009 - 26th Conference on
Passive and Low Energy Architecture, Quebec City, Quebec, Canada. DOI:
10.1582/LEUKOS.2010.07.02003
Wastiels, L., Schifferstein, H., et al. (2013), “Touching Materials Visually, About the
dominance of vision in building material assessment” International Journal of
Annexes
Annexe B: types de tâches visuelles, (Adaptation de IES lighting 2015)
Type de tâche visuelle Applications typiques Exemple de lieux Orientation, relativement unegrande échelle, tâches physiques et moins cognitives
Situations sombres Très faible activité 0,5 à 4 lux
Repos
Activités de rythme lent Faible densité
2 à 8 lux
Salle de bain Chambre
Activité de lent à modérée Densité de faible à modérée 3 à 16 lux
Aire d’attente Salle de détente
Activité de modérée à lent Densité moyenne à modérée Certaines activités intérieures sociales
5 à 40 lux
Séjour Corridor
Points de congestion Certaines situations sociales Certaines situations commerciales 15 à 60 lux
Pub Restaurant Lobby ou entrée
Activités sociales communes et tâche larges ou de grand contraste
Certaines situations sociales Certaines situations commerciales 20 à 400 lux
Café Commerce
Tâches communes à échelle relativement petite, plus cognitives ou de performance rapide.
Certaines situations sociales Certaines situations éducationnelles
Certaines situations commerciales Certaines situations sportives 150 à 600 lux Classe Bureau Réunion/conférence Certaines situations éducationnelles
Certaines situations commerciales Certaines situations sportives Certaines situations industrielles 200 à 1500 lux
Lecture/écriture Bibliothèque Musée
Tâches cognitives, à petite échelle Certaines situations sportives
Certaines situations commerciales Certaines situations industrielles 1500 à 6000 lux
Salle de sports Cuisine
Tâches inhabituelles,
extrêmement précises et de survie
Certaines situations sportives Certaines situations industrielles Certaines situations cliniques 2500 à 20 000 lux
Laboratoire Gymnase
Annexe D : Lieu d’expérimentation
Annexe H : Échelle de nébulosité pour des conditions de ciel en climat
nordique à l’équinoxe du printemps (orientation sud-est)
Annexe I : Analyse de la luminosité et contraste des photographies en
lumière directe et diffuse
Phot osmaquet t e 9h30- l umièr e dir ect e
Phot osmaquet t e 3h30- l umièr e dif f use isohél ie 5 t eint es de gr is isohél ie 5 t eint es de gr is Moyenne : 105,02 Std Dev : 88,66 Moyenne : 74,30 Std Dev : 81,29 Moyenne : 137,62 Std Dev : 66,82 Moyenne : 52,66 Std Dev : 61,52 Moyenne : 165,71 Std Dev : 53,86 Moyenne : 96,30 Std Dev : 51,01 Moyenne : 74,69 Std Dev : 82,13 Moyenne : 54,83 Std Dev : 65,60 Moyenne : 53,96 Std Dev : 77,64 Moyenne : 41,21 Std Dev : 72,89
Annexe J : Quelques photos de l’expérimentation
Annexe N : Tables d’Anova du logiciel SAS
Les pages suivantes correspondent aux données brutes des questionnaires ayant été traitées
à l’aide du logiciel SAS. Les tables d’Anova ainsi que les graphiques sont présentés en
ordre des questions du questionnaire et ont été analysées dans le chapitre 4.
Statistiques descriptives
The FREQ Procedure
Table of Maquette by Occupation_jour
Maquette Occupation_jour Frequency Row Pct 1 2 3 Total A 42 52.50 21 26.25 17 21.25 80 B 59 73.75 14 17.50 7 8.75 80 C 51 63.75 15 18.75 14 17.50 80 D 43 54.43 23 29.11 13 16.46 79 E 19 24.05 48 60.76 12 15.19 79 Total 214 121 63 398 Frequency Missing = 2
Statistiques descriptives
The FREQ Procedure
Table of Maquette by Occupation_jour
Maquette Occupation_jour Frequency Row Pct 1 2 Total A 42 66.67 21 33.33 63 B 59 80.82 14 19.18 73 C 51 77.27 15 22.73 66 D 43 65.15 23 34.85 66 E 19 28.36 48 71.64 67 Total 214 121 335
Régression logistique avec mesures répétées
Préférence occupation jour: oui ou non
The GENMOD Procedure
Model InformationData Set WORK.OUINON
Distribution Binomial
Link Function Logit
Dependent Variable Occupation_jour
Number of Observations Read 335 Number of Observations Used 335
Number of Events 214
Number of Trials 335
Class Level Information
Class Levels Values
gr_age 2 24ans et - 25ans et +
Sexe 2 1 2 Soleil 3 1 2 3 Programme_etude 2 1 2 Ordre_passage 2 1 2 Maquette 5 A B C D E Participant 80 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 Response Profile Ordered Value Occupation_jour Total Frequency 1 1 214 2 2 121
PROC GENMOD is modeling the probability that Occupation_jour='1'. One way to change this to model the
probability that Occupation_jour='2' is to specify the DESCENDING option in the PROC statement.
Score Statistics For Type 3 GEE Analysis
Source DF Chi-Square Pr > ChiSq
gr_age 1 0.29 0.5919 Sexe 1 1.68 0.1947 Soleil 2 0.37 0.8323 Programme_etude 1 2.86 0.0909 Ordre_passage 1 0.01 0.9299 Maquette 4 9.87 0.0427 gr_age*Maquette 4 0.40 0.9823 Sexe*Maquette 4 14.57 0.0057 Soleil*Maquette 8 11.28 0.1861 Programme_e*Maquette 4 3.51 0.4764 Ordre_passa*Maquette 4 15.93 0.0031
Ordre_passa*Maquette Least Squares Means
Maquette Ordre_passage Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A 1 0.5485 0.5895 0.93 0.3521 0.6338 0.1368 B 1 1.1112 0.5067 2.19 0.0283 0.7524 0.09440 C 1 2.3979 0.7196 3.33 0.0009 0.9167 0.05497 D 1 1.8797 0.5636 3.34 0.0009 0.8676 0.06475 E 1 -1.0837 0.5357 -2.02 0.0431 0.2528 0.1012 A 2 2.0716 0.7543 2.75 0.0060 0.8881 0.07495 B 2 2.1107 0.6053 3.49 0.0005 0.8919 0.05834 C 2 0.7403 0.4888 1.51 0.1299 0.6771 0.1069 D 2 0.6936 0.4821 1.44 0.1503 0.6668 0.1071 E 2 -0.9175 0.4748 -1.93 0.0533 0.2855 0.09686
Comparaison multiple
Effect=Ordre_passa*Maquette ADJUSTMENT=LSD(P<.05) bygroup=1 RANDOM
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
1 1 _ 1 C 2.3979 0.7196 0.9167 0.05497 AB
2 1 _ 1 D 1.8797 0.5636 0.8676 0.06475 A
3 1 _ 1 B 1.1112 0.5067 0.7524 0.09440 AB
4 1 _ 1 A 0.5485 0.5895 0.6338 0.1368 B
5 1 _ 1 E -1.0837 0.5357 0.2528 0.1012 C
Effect=Ordre_passa*Maquette ADJUSTMENT=LSD(P<.05) bygroup=2 A-E
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
6 1 _ 2 B 2.1107 0.6053 0.8919 0.05834 A
7 1 _ 2 A 2.0716 0.7543 0.8881 0.07495 A
8 1 _ 2 C 0.7403 0.4888 0.6771 0.1069 AB
Comparaison multiple
Effect=Ordre_passa*Maquette ADJUSTMENT=LSD(P<.05) bygroup=1
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
1 1 _ 2 A 2.0716 0.7543 0.8881 0.07495 A
2 1 _ 1 A 0.5485 0.5895 0.6338 0.1368 B
Effect=Ordre_passa*Maquette ADJUSTMENT=LSD(P<.05) bygroup=2
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
3 1 _ 2 B 2.1107 0.6053 0.8919 0.05834 A
4 1 _ 1 B 1.1112 0.5067 0.7524 0.09440 A
Effect=Ordre_passa*Maquette ADJUSTMENT=LSD(P<.05) bygroup=3
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
5 1 _ 1 C 2.3979 0.7196 0.9167 0.05497 A
6 1 _ 2 C 0.7403 0.4888 0.6771 0.1069 B
Effect=Ordre_passa*Maquette ADJUSTMENT=LSD(P<.05) bygroup=4
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
7 1 _ 1 D 1.8797 0.5636 0.8676 0.06475 A
8 1 _ 2 D 0.6936 0.4821 0.6668 0.1071 B
Effect=Ordre_passa*Maquette ADJUSTMENT=LSD(P<.05) bygroup=5
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
9 1 _ 2 E -0.9175 0.4748 0.2855 0.09686 A
Sexe*Maquette Least Squares Means
Maquette Sexe Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A 1 2.2487 0.7609 2.96 0.0031 0.9045 0.06570 B 1 2.1399 0.6731 3.18 0.0015 0.8947 0.06340 C 1 1.6725 0.6325 2.64 0.0082 0.8419 0.08418 D 1 1.7820 0.5718 3.12 0.0018 0.8559 0.07051 E 1 -1.8872 0.6206 -3.04 0.0024 0.1316 0.07090 A 2 0.3714 0.5961 0.62 0.5332 0.5918 0.1440 B 2 1.0820 0.4474 2.42 0.0156 0.7469 0.08458 C 2 1.4656 0.5592 2.62 0.0088 0.8124 0.08523 D 2 0.7913 0.4958 1.60 0.1105 0.6881 0.1064 E 2 -0.1140 0.4436 -0.26 0.7973 0.4715 0.1105 Mu 0.1000 0.2000 0.3000 0.4000 0.5000 0.6000 0.7000 0.8000 0.9000 1.0000 Maquette A B C D E
Graphique des moyennes ajustées-interaction sexe*maquette
Comparaison multiple
Effect=Sexe*Maquette ADJUSTMENT=LSD(P<.05) bygroup=1
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
1 2 1 _ A 2.2487 0.7609 0.9045 0.06570 A
2 2 1 _ B 2.1399 0.6731 0.8947 0.06340 A
3 2 1 _ D 1.7820 0.5718 0.8559 0.07051 A
4 2 1 _ C 1.6725 0.6325 0.8419 0.08418 A
5 2 1 _ E -1.8872 0.6206 0.1316 0.07090 B
Effect=Sexe*Maquette ADJUSTMENT=LSD(P<.05) bygroup=2
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
6 2 2 _ C 1.4656 0.5592 0.8124 0.08523 A
7 2 2 _ B 1.0820 0.4474 0.7469 0.08458 AB
8 2 2 _ D 0.7913 0.4958 0.6881 0.1064 AB
9 2 2 _ A 0.3714 0.5961 0.5918 0.1440 AB
Comparaison multiple
Effect=Sexe*Maquette ADJUSTMENT=LSD(P<.05) bygroup=1
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
1 2 1 _ A 2.2487 0.7609 0.9045 0.06570 A
2 2 2 _ A 0.3714 0.5961 0.5918 0.1440 B
Effect=Sexe*Maquette ADJUSTMENT=LSD(P<.05) bygroup=2
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
3 2 1 _ B 2.1399 0.6731 0.8947 0.06340 A
4 2 2 _ B 1.0820 0.4474 0.7469 0.08458 A
Effect=Sexe*Maquette ADJUSTMENT=LSD(P<.05) bygroup=3
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
5 2 1 _ C 1.6725 0.6325 0.8419 0.08418 A
6 2 2 _ C 1.4656 0.5592 0.8124 0.08523 A
Effect=Sexe*Maquette ADJUSTMENT=LSD(P<.05) bygroup=4
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
7 2 1 _ D 1.7820 0.5718 0.8559 0.07051 A
8 2 2 _ D 0.7913 0.4958 0.6881 0.1064 A
Effect=Sexe*Maquette ADJUSTMENT=LSD(P<.05) bygroup=5
Obs StmtNo Sexe Ordre_passage Maquette Estimate StdErr Mu StdErrMu MSGROUP
9 2 2 _ E -0.1140 0.4436 0.4715 0.1105 A
Régression logistique avec mesures répétées
Repos
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 21.01 0.0003
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.6745 0.2364 -2.85 0.0043 0.3375 0.05287 B -0.3023 0.2262 -1.34 0.1814 0.4250 0.05527 C -1.4663 0.2864 -5.12 <.0001 0.1875 0.04364 D -0.2513 0.2254 -1.12 0.2648 0.4375 0.05546 E -0.1001 0.2239 -0.45 0.6549 0.4750 0.05583
T Grouping for Maquette Least Squares Means (Alpha=0.05) LS-means with the same letter are not significantly different.
Maquette Estimate E -0.1001 A A D -0.2513 A A B -0.3023 A A A -0.6745 A C -1.4663 B
Régression logistique avec mesures répétées
Sdb
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 14.06 0.0071
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.5645 0.2326 -2.43 0.0152 0.3625 0.05375 B -0.9076 0.2470 -3.67 0.0002 0.2875 0.05060 C -1.3863 0.2795 -4.96 <.0001 0.2000 0.04472 D -1.8362 0.3247 -5.66 <.0001 0.1375 0.03850 E -1.3099 0.2733 -4.79 <.0001 0.2125 0.04574
T Grouping for Maquette Least Squares Means (Alpha=0.05) LS-means with the same letter are not significantly different.
Maquette Estimate A -0.5645 A A B -0.9076 B A B E -1.3099 B C B C C -1.3863 B C C D -1.8362 C
Régression logistique avec mesures répétées
Chbre
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 7.29 0.1215
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.4578 0.2295 -1.99 0.0460 0.3875 0.05447 B -0.3023 0.2262 -1.34 0.1814 0.4250 0.05527 C -0.3023 0.2262 -1.34 0.1814 0.4250 0.05527 D 0.1001 0.2239 0.45 0.6549 0.5250 0.05583 E -0.7885 0.2412 -3.27 0.0011 0.3125 0.05182
Régression logistique avec mesures répétées
Attnt
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 18.81 0.0009
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.5108 0.2309 -2.21 0.0270 0.3750 0.05413 B -0.1001 0.2239 -0.45 0.6549 0.4750 0.05583 C -0.5108 0.2309 -2.21 0.0270 0.3750 0.05413 D -0.3536 0.2271 -1.56 0.1194 0.4125 0.05504 E -1.4663 0.2864 -5.12 <.0001 0.1875 0.04364
T Grouping for Maquette Least Squares Means (Alpha=0.05) LS-means with the same letter are not significantly different.
Maquette Estimate B -0.1001 A A D -0.3536 A A A -0.5108 A A C -0.5108 A E -1.4663 B
Régression logistique avec mesures répétées
Detnt
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 4.97 0.2907
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.6745 0.2364 -2.85 0.0043 0.3375 0.05287 B -0.5645 0.2326 -2.43 0.0152 0.3625 0.05375 C -0.8473 0.2440 -3.47 0.0005 0.3000 0.05123 D -0.2007 0.2247 -0.89 0.3719 0.4500 0.05562 E -0.8473 0.2440 -3.47 0.0005 0.3000 0.05123
Régression logistique avec mesures répétées
Sejr
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 21.79 0.0002
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -1.0330 0.2541 -4.07 <.0001 0.2625 0.04919 B -0.05001 0.2237 -0.22 0.8231 0.4875 0.05588 C 0.3023 0.2262 1.34 0.1814 0.5750 0.05527 D -0.2007 0.2247 -0.89 0.3719 0.4500 0.05562 E -1.3099 0.2733 -4.79 <.0001 0.2125 0.04574
T Grouping for Maquette Least Squares Means (Alpha=0.05) LS-means with the same letter are not significantly different.
Maquette Estimate C 0.3023 A A B -0.05001 A A D -0.2007 A A -1.0330 B B E -1.3099 B
Régression logistique avec mesures répétées
Corrdr
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 4.10 0.3922
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.6190 0.2344 -2.64 0.0083 0.3500 0.05333 B -0.9076 0.2470 -3.67 0.0002 0.2875 0.05060 C -0.7309 0.2387 -3.06 0.0022 0.3250 0.05237 D -0.9076 0.2470 -3.67 0.0002 0.2875 0.05060 E -1.3099 0.2733 -4.79 <.0001 0.2125 0.04574
Régression logistique avec mesures répétées
Pub
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 28.05 <.0001
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.6745 0.2364 -2.85 0.0043 0.3375 0.05287 B -1.2368 0.2677 -4.62 <.0001 0.2250 0.04669 C -1.8362 0.3247 -5.66 <.0001 0.1375 0.03850 D -0.7885 0.2412 -3.27 0.0011 0.3125 0.05182 E 0.4055 0.2282 1.78 0.0756 0.6000 0.05477
T Grouping for Maquette Least Squares Means (Alpha=0.05) LS-means with the same letter are not significantly different.
Maquette Estimate E 0.4055 A A -0.6745 B B D -0.7885 B B B -1.2368 C B C C -1.8362 C
Régression logistique avec mesures répétées
Resto
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 13.02 0.0112
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.7309 0.2387 -3.06 0.0022 0.3250 0.05237 B -0.7885 0.2412 -3.27 0.0011 0.3125 0.05182 C -1.3099 0.2733 -4.79 <.0001 0.2125 0.04574 D -0.3023 0.2262 -1.34 0.1814 0.4250 0.05527 E -0.1001 0.2239 -0.45 0.6549 0.4750 0.05583
T Grouping for Maquette Least Squares Means (Alpha=0.05) LS-means with the same letter are not significantly different.
Maquette Estimate E -0.1001 A A D -0.3023 B A B A -0.7309 B C B C B -0.7885 B C C C -1.3099 C
Régression logistique avec mesures répétées
Lobby
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 9.05 0.0597
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.9076 0.2470 -3.67 0.0002 0.2875 0.05060 B -0.7309 0.2387 -3.06 0.0022 0.3250 0.05237 C -0.4578 0.2295 -1.99 0.0460 0.3875 0.05447 D -1.0330 0.2541 -4.07 <.0001 0.2625 0.04919 E -1.3863 0.2795 -4.96 <.0001 0.2000 0.04472
Régression logistique avec mesures répétées
Cafe
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 7.28 0.1219
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.6190 0.2344 -2.64 0.0083 0.3500 0.05333 B -0.05001 0.2237 -0.22 0.8231 0.4875 0.05588 C -0.7885 0.2412 -3.27 0.0011 0.3125 0.05182 D -0.3023 0.2262 -1.34 0.1814 0.4250 0.05527 E -0.2007 0.2247 -0.89 0.3719 0.4500 0.05562
Régression logistique avec mesures répétées
Commrc
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 20.60 0.0004
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.9694 0.2504 -3.87 0.0001 0.2750 0.04992 B -0.3023 0.2262 -1.34 0.1814 0.4250 0.05527 C -0.4055 0.2282 -1.78 0.0756 0.4000 0.05477 D -0.5645 0.2326 -2.43 0.0152 0.3625 0.05375 E -2.0655 0.3538 -5.84 <.0001 0.1125 0.03533
T Grouping for Maquette Least Squares Means (Alpha=0.05) LS-means with the same letter are not significantly different.
Maquette Estimate B -0.3023 A A C -0.4055 B A B A D -0.5645 B A B A -0.9694 B E -2.0655 C
Régression logistique avec mesures répétées
Classe
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 46.18 <.0001
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -1.3099 0.2733 -4.79 <.0001 0.2125 0.04574 B -0.6745 0.2364 -2.85 0.0043 0.3375 0.05287 C 0 0.2236 0.00 1.0000 0.5000 0.05590 D -0.9694 0.2504 -3.87 0.0001 0.2750 0.04992 E -3.6636 0.7161 -5.12 <.0001 0.02500 0.01746
T Grouping for Maquette Least Squares Means (Alpha=0.05) LS-means with the same letter are not significantly different.
Maquette Estimate C 0 A B -0.6745 B B D -0.9694 B B A -1.3099 B E -3.6636 C
Régression logistique avec mesures répétées
Bureau
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq
Maquette 4 17.27 0.0017
Maquette Least Squares Means
Maquette Estimate
Standard
Error z Value Pr > |z| Mean
Standard Error of Mean A -0.6745 0.2364 -2.85 0.0043 0.3375 0.05287 B -0.2513 0.2254 -1.12 0.2648 0.4375 0.05546 C -0.3536 0.2271 -1.56 0.1194 0.4125 0.05504 D -0.5108 0.2309 -2.21 0.0270 0.3750 0.05413 E -1.7346 0.3131 -5.54 <.0001 0.1500 0.03992
T Grouping for Maquette Least Squares Means (Alpha=0.05) LS-means with the same letter are not significantly different.
Maquette Estimate B -0.2513 A A C -0.3536 A A D -0.5108 A A A -0.6745 A E -1.7346 B
Régression logistique avec mesures répétées
Reun_Conf
The GENMOD Procedure
Score Statistics For Type 3 GEEAnalysis
Source DF Chi-Square Pr > ChiSq